洪丹丹,徐婷婷,王皎貝,尚小清,2，李 鋼，2，3

(1.西北大學 城市與環(huán)境學院，陜西 西安 710127;2.陜西省地表系統(tǒng)與環(huán)境承載力重點實驗室，陜西 西安 710127；3.西北大學 地表系統(tǒng)與災(zāi)害研究所，陜西 西安 710127)

新型冠狀病毒肺炎(COVID-19)疫情作為重大突發(fā)公共衛(wèi)生事件,引起了世界各國的高度重視[1-2]。據(jù)世界衛(wèi)生組織和國家衛(wèi)生健康委員會官網(wǎng)通報,截至2020年12月23日,全球COVID-19確診病例已超7 830萬。其中,中國累計確診病例共86 899例,累計死亡病例4 634例。在全國人民的共同努力下,我國疫情已基本得到控制,但境外多個國家疫情仍處于動態(tài)擴散期。整體來看,全球疫情防控局勢依然十分嚴峻。

疫情發(fā)生后，科研人員從病原學、流行病學、傳播動力學、心理學等多個領(lǐng)域?qū)π滦凸跔畈《痉窝渍归_研究。在病原學領(lǐng)域,Zhou等[3]通過基因序列比對揭示了新型冠狀病毒與蝙蝠冠狀病毒相似度高達96%;David等[4]在基因組層面鎖定了穿山甲是COVID-19的潛在中間宿主;在流行病學領(lǐng)域,趙頌濤[5]、鄭穎彥等[6]認為不同臨床分型患者的肺部CT影像表現(xiàn)不同。李茜[7]、佘佳桐等[8]針對兒童這一特殊群體展開研究,發(fā)現(xiàn)兒童由于自身免疫系統(tǒng)不夠完善從而成為疫情中的易感人群,且多數(shù)為家族聚集性發(fā)病。傳播動力學主要聚焦于構(gòu)建疾病傳播模型,游光榮等[9]基于修正后的SEIR模型,評估了武漢延后采取防控干預(yù)措施可能對國內(nèi)疫情帶來的影響。作為一種急性乙類傳染病,COVID-19極大威脅著社會群體的生理和心理健康。有學者[10-11]從心理學角度,以發(fā)放問卷的形式對防控一線的醫(yī)療人員、在校大學生等群體進行調(diào)查,倡導及時對不同職業(yè)的人群進行心理咨詢和輔導。

疫情的傳播是典型的人地互動與時空演化過程,值得從地理學視角展開深入研究。暴發(fā)初期,眾多地理學者紛紛行動,柴彥威等[12]立足于時空間行為視角,提出利用患者的活動軌跡數(shù)據(jù)為公民提供識別疫情的實時信息以及為政府防災(zāi)規(guī)劃提供建議;周成虎等[13]建議利用移動通信運營商和社交媒體數(shù)據(jù)分析區(qū)域間的人口流動狀況,推進疫情擴散的精準空間管制。隨著疫情的進一步擴散,有較多學者開始聚焦于疫情在全國范圍內(nèi)的傳播與響應(yīng),王姣娥等[14]從宏觀層面對中國疫情發(fā)展進行了分析,認為此次疫情在一定程度上是人類經(jīng)濟活動空間組織模式和級聯(lián)系統(tǒng)的一種反映;李鋼等[15]分析了中國新冠肺炎疫情的時空演化特征,并針對當前疫情發(fā)展和未來迎接類似的挑戰(zhàn)提出了防控對策;省市尺度,王皎貝[16]、金安楠等[17]通過在格網(wǎng)上疊加疫情小區(qū)、人群聚集地等POI數(shù)據(jù)分別得到陜西省、深圳市的疫情風險畫像。除對COVID-19確診病例進行時空特征分析外,劉衛(wèi)東[18]、張凱煌等[19]則從疫情的影響出發(fā),分別從全球、國家尺度,揭示了COVID-19對經(jīng)濟全球化、相關(guān)企業(yè)發(fā)展所產(chǎn)生的沖擊。

地理鄰近性導致近鄂周邊省份成為疫情高發(fā)區(qū),而安徽省西部毗鄰湖北,受此次疫情影響嚴重。目前關(guān)于安徽省疫情的研究多集中于流行病學特征分析[20],缺乏對時空分異的探討。本文基于確診病例的詳細信息以及相關(guān)POI數(shù)據(jù),運用文本分析、空間分析等方法,探究安徽省COVID-19疫情的時空分異和影響因素,旨在為城市疫情防控和社會經(jīng)濟發(fā)展提供參考。

1 數(shù)據(jù)來源與分析方法

1.1 研究區(qū)概況

安徽省位于我國中部,地處長江三角洲中下游,東接江蘇、西靠湖北和河南、南鄰江西、北連山東。全省共轄16個地級市。截至2018年底,安徽省戶籍人口共7 083萬人,流向外省半年以上的人口共計75 133人,其中流向湖北省的人口占0.79%(《安徽省統(tǒng)計年鑒2019》)。截至2020年4月1日,安徽省累計本土確診病例990例,確診病例數(shù)居全國第5位(除湖北省外)。安徽省作為近鄂高發(fā)區(qū)的典型省份,研究其COVID-19疫情的時空特征和影響因素對于同類型地域疫情的防控具有一定的借鑒意義。

圖1 安徽省與湖北省空間位置關(guān)系Fig.1 Spatial relationship of Anhui and Hubei Province

1.2 數(shù)據(jù)來源

研究數(shù)據(jù)主要包括疫情數(shù)據(jù)、POI數(shù)據(jù)、統(tǒng)計數(shù)據(jù)、空間數(shù)據(jù)4類。①疫情數(shù)據(jù):來源于安徽省衛(wèi)生健康委員會官方公布的各地區(qū)確診人數(shù)(990例)、治愈人數(shù)(984例)、死亡人數(shù)(6例)等數(shù)據(jù)以及通過人工判讀采集的確診病例感染歷史與時空軌跡等詳細信息數(shù)據(jù);②相關(guān)POI數(shù)據(jù):借助Python從百度地圖爬取的安徽省疫情小區(qū)(782條)、定點醫(yī)院(102條)等POI數(shù)據(jù);③統(tǒng)計數(shù)據(jù):來自于安徽省統(tǒng)計局的人口、社會經(jīng)濟等相關(guān)統(tǒng)計數(shù)據(jù);④空間數(shù)據(jù):來源于國家基礎(chǔ)地理信息中心的行政邊界圖。

1.3 研究方法

本文主要運用文本分析、數(shù)理統(tǒng)計、空間分析等研究方法,對安徽省COVID-19疫情的時空分異和影響因素進行分析。

1)標準差橢圓分析(SDE)。標準差橢圓是一種表示地理要素空間方向分布特征的統(tǒng)計方法,由轉(zhuǎn)角、長軸、短軸組成,長軸表示空間分布最多的方向,短軸則為空間分布最少的方向[17],借此可以直觀地揭示安徽省確診病例在空間上的分布方向特征。標準差橢圓圓心計算公式如下:

(1)

(2)

2)核密度估計(KDE)。核密度估計方法認為區(qū)域內(nèi)任意位置都有一個可測度的事件密度,該位置事件密度的計算方法主要是估計其周圍單位面積區(qū)域內(nèi)事件點的數(shù)量。本文以核密度估計法來研究安徽省確診病例的空間密度分布特征,具體計算公式如下:

(3)

3)主成分分析法。運用降維的方法,將多個影響指標歸納為幾個綜合性因子,并求出各因子的載荷矩陣。本文使用該方法來分析確診病例空間分布與安徽省各項社會經(jīng)濟因素之間的關(guān)系。

2 安徽省疫情確診病例的社會人口學特征

2.1 性別-年齡結(jié)構(gòu)

剔除8例無性別年齡信息記錄的數(shù)據(jù),并以5歲為間隔劃分年齡段。發(fā)現(xiàn)安徽省確診病例的性別年齡結(jié)構(gòu)呈現(xiàn)“菱形”(見圖2)。從性別來看,以男性居多,性別比為1.17∶1,略高于第六次人口普查中安徽省性別比(1.03∶1)。年齡上,確診病例最大為91歲,最小為8個月,年齡跨度較大。主要集中在20～59歲,峰值區(qū)域為45～54歲。安徽省作為勞動力大省,該年齡段人群大量向長三角、湖北等地轉(zhuǎn)移,暴露風險大。而老年人(60歲及以上)確診人數(shù)為240例,約占總量的24%。這個年齡段的人群防疫意識薄弱、自身體質(zhì)及免疫力較弱,從而成為此次疫情中的高危易感人群。

圖2 安徽省COVID-19確診病例性別-年齡結(jié)構(gòu)Fig.2 Gender-age structure of confirmed COVID-19 cases in Anhui Province

2.2 感染地屬性及感染時序

感染地屬性是根據(jù)確診病例的活動軌跡信息和感染原因來確定患者的地理位置特征,可將其劃分為外地感染和本地感染兩種類型。感染時序是用來描述病毒傳播與感染原因之間的層級關(guān)系。由于目前武漢乃至湖北暫無其確診病例的詳細感染經(jīng)過和活動軌跡信息公布,因此本文將整個湖北視為受疫情影響的“黑箱被感染地區(qū)”,通過人工判讀確診病例的活動軌跡(990例確診病例的活動軌跡數(shù)據(jù)),將其大致劃分為3類感染時序:將長期在湖北生活工作的確診病例界定為初期感染者,直接接觸初期感染者或在疫情前后短期內(nèi)前往湖北的確診病例界定為中期感染者,不存在湖北旅居暴露史且不能認定為中期感染者的確診病例界定為后期感染者。結(jié)果顯示,安徽省確診病例以本地感染為主,占62.7%。外地感染369例,其中,初期感染者占266例,表明湖北省常住群體是外地感染者的主要構(gòu)成部分,此類人群的返皖導致了疫情在省內(nèi)的擴散。在全部感染者中,初期感染者(26.84%)、中期感染者(11.81%)、后期感染者(61.25%)在數(shù)量分布上呈現(xiàn)“J”結(jié)構(gòu),以后期感染者為主。

3 安徽省COVID-19疫情時間演變特征

3.1 逐日演化趨勢

以2020年1月22日安徽省首例病例的確診時間為起始日期,以2020年3月8日最后1例確診病例的出院時間為終止日期,來分析安徽省疫情的逐日演化趨勢(見圖3)。大致分為3個階段:① 起伏增長期(1月22日—2月6日),該時間段確診病例整體呈現(xiàn)波動式增長,日確診人數(shù)在2月6日達到峰值,單日確診人數(shù)達74人。日增長率于1月27日達到峰值,1月27日之后開始大幅度下降。該時間段的日治愈人數(shù)較少,呈緩慢遞增態(tài)勢。春節(jié)期間,各地人口因“返鄉(xiāng)、探親訪友、旅游、商貿(mào)往來”等活動出現(xiàn)了大面積的跨省、跨市遷移現(xiàn)象,人流量強度的增加,加速了疫情的擴散,從而使日確診人數(shù)急速上升。② 急速衰退期(2月7日—2月17日),日確診病例的數(shù)量大幅度減少,2月17日確診病例減少至個位數(shù)。日增長率較為穩(wěn)定,此階段平均增長率為-0.16%。日治愈人數(shù)平穩(wěn)增長,2月14日治愈人數(shù)為32人,首次超過確診人數(shù)。該時期,全省疫情已經(jīng)得到了有效控制,這主要歸因于對疫情小區(qū)進行封閉式管理、嚴格管控人口流動、加強居民體溫檢測、各網(wǎng)絡(luò)平臺及時有效地公布了確診病例的詳細活動軌跡等防控措施。③ 穩(wěn)定掃尾期(2月18日—3月8日),2月22日實現(xiàn)確診病例增長,日增長率趨于停滯。日治愈人數(shù)在該時期迅速增長,在2月20日達到峰值。截至3月8日,安徽省本土確診的984例(死亡6人,共990例)患者已全部治愈出院。在各地區(qū)精準防控的策略下,居民自身的防控意識也不斷加強,日確診人數(shù)逐步減少至0人。隨著醫(yī)療救治水平的提高、醫(yī)護人員診療經(jīng)驗的豐富、醫(yī)療物資儲備的逐步完善等,使得在院救治的患者病情逐步穩(wěn)定,出院人數(shù)大幅度增加。

圖3 安徽省COVID-19確診病例的逐日演化趨勢Fig.3 Daily evolution trend of confirmed COVID-19 cases in Anhui Province

3.2 發(fā)病、初診、確診時間演變特征

滯后時長是指確診與發(fā)病、初診的時間間隔[16]?；谠敿毑±谋拘畔⑻崛〈_診病例發(fā)病日期、初診日期、確診日期的有效數(shù)據(jù),分析各病例在整個感染期內(nèi)不同階段之間的滯后時長(見圖4),在一定程度上可以反映社會對COVID-19疫情的響應(yīng)程度。從發(fā)病到確診之間的時間間隔主要集中在2～7d,占總量的67.26%,尤以3d為最?；颊咭话阍诎l(fā)病后的0～4d去醫(yī)院進行就診,其中發(fā)病當日及次日去醫(yī)院就診的病例共400例,表明患者具有較高的疾病防御意識。初診與確診之間的滯后時長集中分布在3d內(nèi),其中初診次日即可確診的人數(shù)達峰值,而在初診當日即被確診的病例僅有8例,這可能與醫(yī)院的檢測能力有關(guān)。安徽省確診病例從發(fā)病與初診、初診與確診、發(fā)病與確診之間的平均滯后時長分別為2.6d、3.6d、6.1d,由此可以看出患者從出現(xiàn)癥狀到最終被確診存在滯后性,這主要受社會對新型冠狀病毒肺炎疫情的關(guān)注度、公眾的防護意識以及醫(yī)療機構(gòu)的救治水平等因素的影響,這也給安徽省疫情的整體防控帶來了較大的挑戰(zhàn)。

圖4 安徽省COVID-19確診病例發(fā)病初診確診滯后時長分布Fig.4 Lag time of confirmed COVID-19 cases in Anhui Province

4 安徽省COVID-19疫情空間格局特征

4.1 空間分布格局分析

4.1.1 市域、縣域空間分布特征 從市域尺度來看,安徽省疫情主要表現(xiàn)出“三足鼎立,西北偏高”的特點(見圖5A)。按照確診病例的數(shù)量將其劃分為5個等級:①第一等級為合肥、阜陽和蚌埠3市,其中合肥市確診病例最多(174例);②第二等級為亳州、安慶和六安3市;③第三等級為宿州、蕪湖和馬鞍山3市,其中宿州市位于安徽最北部地區(qū),與其他兩市在空間上相距較遠,呈現(xiàn)空間分布不連續(xù)性;④第四等級為淮北、淮南和銅陵3市。淮南市被第一等級高風險城市所環(huán)繞,但由于該市人口流動量較小,所以其確診病例數(shù)量僅有27例;⑤第五等級為滁州、池州、黃山和宣城4市?？傮w來說,確診病例在空間分布上存在顯著差異,主要分布在皖北、皖中地區(qū)。

對空間尺度進行細化,深入剖析縣域尺度上確診病例的空間分布。確診病例在空間方向上表現(xiàn)為“西北—東南”走向,主要集中在西北地區(qū)(見圖5B)。空間分布呈現(xiàn)出“小組團,大分散”的特征。確診病例高度聚集于皖北地區(qū)的懷遠縣、蚌埠市區(qū)、鳳陽縣,和安徽中部的合肥市區(qū)、肥東縣和肥西縣。除此之外,阜陽市的市區(qū)、臨泉縣和阜南縣的患者分布也相對比較集中。自安慶市的宿松縣至馬鞍山的和縣,這兩地區(qū)之間的確診病例分布大致呈線性,且較為均勻。而皖南地區(qū)各區(qū)縣的確診病例在分布上則較為稀疏。

A 市域分布 B 縣域分布圖5 安徽省確診病例的空間分布Fig.5 Spatial distribution of confirmed COVID-19 cases in Anhui Province

4.1.2 疫情小區(qū)與定點醫(yī)院的空間關(guān)系 根據(jù)疫情小區(qū)(782條)和定點醫(yī)院(102條)的位置信息,借助于ArcGIS的緩沖區(qū)分析來探討在定點醫(yī)院輻射范圍內(nèi)疫情小區(qū)的分布狀況(見圖6)。結(jié)果顯示:①從空間布局上看,皖南地區(qū)相較于皖北地區(qū)定點醫(yī)院的分布更為密集；但疫情小區(qū)則主要集中在皖北地區(qū),這在一定程度上與阜陽、蚌埠、宿州等城市的人口外出流動強度較大有關(guān)。②在數(shù)量上,定點醫(yī)院10 km緩沖區(qū)(車程10 min可達)內(nèi)共有184個疫情小區(qū),覆蓋率僅為23.5%;25 km緩沖區(qū)(車程30 min可達)內(nèi)共分布460個疫情小區(qū),覆蓋率達58.8%,這表示還有約42%的確診病例不能在30 min內(nèi)到達定點醫(yī)院進行治療。表明安徽省疫情小區(qū)與定點醫(yī)院的匹配度一般,皖北地區(qū)是安徽省疫情防控的重點區(qū)域,其醫(yī)療機構(gòu)空間配置有待優(yōu)化。

圖6 安徽省疫情小區(qū)與定點醫(yī)院空間分布Fig.6 Spatial distribution of epidemic community and designated hospitals in Anhui Province

4.2 遷移路徑分析

患者的活動軌跡分析有助于疫情期間傳染源的追溯和密切接觸人群的識別。根據(jù)359條確診病例軌跡數(shù)據(jù)(剔除跨國及省內(nèi)流動的數(shù)據(jù))對遷移路徑進行可視化(見圖7)。可以看出,流入路徑主要有“湖北—安徽”和“浙江—安徽”兩條,其中“湖北—安徽”的數(shù)據(jù)有279條,占總量的77.7%,進一步證明早期感染主體主要為湖北返皖人群。而在279條湖北省遷移路徑中,從武漢市流出的病例共計259例,主要匯入阜陽市(71例)和安慶市(55例),說明武漢市是安徽省省外輸入型病例的主要來源城市。

在空間分析的基礎(chǔ)上進一步探究“湖北—安徽”(279例)遷移路徑中確診病例的人口學特征。其中,男女性別比為1∶1.58,男性患者居多,這與安徽省本土確診病例的性別特征具有一致性。年齡上主要集中在20～59歲的青壯年,其中30～39歲的人數(shù)為80例,該類人群空間流動性強,主要與其外出務(wù)工、經(jīng)商、求學、旅游、探親等行為活動相關(guān)。

綜上,安徽省省外輸入型病例,主要是從武漢市匯入,且多為青壯年的男性人群,也存在少數(shù)省外人群回鄉(xiāng)后因接觸確診病例而被感染的現(xiàn)象。

注：基于自然資源部標準地圖服務(wù)網(wǎng)站審圖號GS(2016)1598的標準地圖制作，底圖無修改。圖7 安徽省確診病例跨省遷移路徑Fig.7 Trans-provincial migration path of confirmed COVID-19 cases in Anhui Province

5 安徽省疫情時空分異的影響因素

5.1 影響因素的主成分分析

安徽省疫情空間擴散是一個復雜的過程,是多種因素綜合作用的結(jié)果。本文為保證數(shù)據(jù)獲取的完整性,將研究區(qū)的市轄區(qū)進行合并,共計樣本量77個?；谝延醒芯縖21],從2019年安徽省各市統(tǒng)計年鑒中選擇了社會經(jīng)濟等方面的5個影響因素:各縣區(qū)常住人口數(shù)x1(萬人)、人口密度x2(人/km2)、醫(yī)療衛(wèi)生機構(gòu)人員數(shù)x3(人)、一般性公共預(yù)算支出x4(萬元)、人均GDPx5(元)、與武漢市距離x6(km),基于主成分分析法來分析安徽省COVID-19疫情時空分布的影響因素,得到各因子特征值及主成分得分貢獻率(見表1)。其中,常住人口數(shù)和人口密度反映各市縣COVID-19疫情確診病例的本地感染情況;醫(yī)療衛(wèi)生機構(gòu)人員數(shù)反映醫(yī)療水平對于疫情的影響;一般性公共預(yù)算支出是政府調(diào)動資源能力的體現(xiàn);人均GDP反映地方經(jīng)濟發(fā)展水平;與武漢市距離則反映了安徽省疫情空間分布與中國疫情始發(fā)地武漢市之間的關(guān)系。

由表1可得,第一、二主成分的貢獻率達83.555%,已符合分析的要求。由第一、二主成分展開,計算各因子的主成分載荷矩陣(見表2),結(jié)果如下:① 第一主成分與x1、x2、x3、x4、x5具有較強的正相關(guān)性,說明安徽省各市縣COVID-19確診病例的空間分布主要受到各市縣常住人口數(shù)、人口密度、醫(yī)療衛(wèi)生機構(gòu)人員數(shù)、一般性公共預(yù)算支出和人均GDP的影響;② 第二主成分與距武漢市距離有強相關(guān)性,表明在人口和社會經(jīng)濟因素驅(qū)動下,與中國疫情始發(fā)區(qū)的距離是影響疫情空間分異的另一重要因素。

表1 各因子的特征值及主成分貢獻率Tab.1 Eigenvalue and principal component contribution rate of each factor

表2 各因子的主成分載荷矩陣Tab.2 Principal component load matrix of each factor

5.2 逐步回歸模型的構(gòu)建

1)社會經(jīng)濟因素分析。第一主成分所包括常住人口數(shù)、人口密度、一般性公共預(yù)算支出、醫(yī)療衛(wèi)生機構(gòu)人員數(shù)、人均GDP等因子,由于各因子之間存在復雜的多重共線性問題,所以通過逐步回歸模型對所選因子進行篩查和剔除。以市縣確診人數(shù)y為因變量,以常住人口數(shù)、人口密度、一般性公共預(yù)算支出、醫(yī)療衛(wèi)生機構(gòu)人員數(shù)、人均GDP為自變量,構(gòu)建逐步回歸模型,結(jié)果如表3所示。

表3 各因子對確診病例空間分布的回歸分析Tab.3 Regression analysis of each factor on the spatial distribution of confirmed cases

經(jīng)過逐步回歸分析,得出確診病例的空間分布主要是受到各縣市人口密度和一般性公共預(yù)算支出的影響,而常住人口數(shù)、醫(yī)療衛(wèi)生機構(gòu)人員數(shù)、人均GDP這 3個因素對安徽省各縣市確診病例的數(shù)量影響不顯著。COVID-19可以通過飛沫和密切接觸傳播,人口密度越高的地區(qū),感染的概率越大,這也可以解釋在安徽省本地聚集型病例多發(fā)于一些人口密集地區(qū);一般性公共預(yù)算支出是地區(qū)經(jīng)濟發(fā)展水平和政府調(diào)動資源能力的一種反映,該因素與確診病例數(shù)量呈正相關(guān)。地區(qū)經(jīng)濟發(fā)展水平越高,人口流動性越強,感染病例也相對較多。

2)距離因素分析。第二主成分因素包括與武漢市距離因子,表明距離武漢市越近,確診病例也越多。安徽省是勞動力大省,省內(nèi)的青壯勞動力向周邊的長三角地區(qū)、武漢等地區(qū)轉(zhuǎn)移。疫情暴發(fā)之際正值春節(jié),外出務(wù)工人員大量返鄉(xiāng),從而使阜陽、安慶等一些外出人口較多的城市成為安徽省疫情高發(fā)地。

6 結(jié)論與展望

6.1 結(jié)論

本文以近鄂高發(fā)區(qū)安徽省為研究區(qū)域,利用衛(wèi)健委通報的確診病例詳細信息、相關(guān)POI數(shù)據(jù)及安徽省各市統(tǒng)計年鑒的社會經(jīng)濟數(shù)據(jù),借助文本分析、數(shù)理統(tǒng)計及空間分析等方法探究了安徽省COVID-19疫情的時空分異特征和影響因素,主要結(jié)論如下:

1)確診病例的性別年齡結(jié)構(gòu)呈現(xiàn)“菱形”,主要集中在20～59歲年齡段,45～54歲年齡段人數(shù)達峰值,且確診人群的年齡跨度較大,以男性居多;在感染時序上表現(xiàn)為“J”結(jié)構(gòu),以后期感染者為主;多為本地感染。

2)確診病例的時間演變可以大致分為“起伏增長期—急速衰退期—穩(wěn)定掃尾期”3個階段。早期確診人數(shù)逐日遞增,在1月27日峰值過后確診病例數(shù)急速下降,2月22日實現(xiàn)了本土確診病例零增長。日治愈人數(shù)在2月20日達到最大值,于3月8日確診病例全部治愈出院;患者從發(fā)病到初診之間的時間間隔主要集中在0～4d、從初診到確診一般間隔為1～3d。

3)確診病例在市域尺度上,表現(xiàn)出“三足鼎立,西北偏高”的特點,主要分布在皖北和皖中地區(qū);在縣域尺度上,呈現(xiàn)出“小組團,大分散”的特征,以懷遠縣、蚌埠市轄區(qū)、鳳陽縣、合肥市區(qū)、肥東縣和肥西縣確診病例較為密集;在空間方向上,呈“西北—東南”走向。定點醫(yī)院集聚在皖南地區(qū),但疫情小區(qū)則主要集中在皖北地區(qū),說明二者適配度一般。流入安徽省的病例主要有“湖北—安徽”和“浙江—安徽”兩條路徑,主要是從武漢市匯入阜陽和安慶兩市。

4)人口密度和一般性公共預(yù)算支出是影響各縣市確診患者數(shù)量存在空間差異性的主要因素,而在人口和社會經(jīng)濟因素驅(qū)動下,與中國疫情主戰(zhàn)場的地理鄰近性是各地區(qū)疫情狀況的另一重要影響因子。

6.2 建議與展望

針對上述研究結(jié)論,提出幾點防控對策:① 從性別年齡上,要因人制策,密切關(guān)注流動性強的返鄉(xiāng)青年學生以及務(wù)工的青壯年勞動力的活動軌跡,并對該類人群進行重點排查;加強對兒童、老人、孕婦等特殊群體的關(guān)注,并對老年人群進行COVID-19疫情相關(guān)知識普及,提高其防控意識。② 從時間上,要因時制策,在疫情發(fā)生的不同階段要采取不同的應(yīng)對措施。目前安徽省的疫情基本得到控制,在保證民眾公共健康安全的前提下,逐步推進復工復產(chǎn)復學。同時在本土疫情感染得到控制的情況下,要嚴防境外輸入病例。③ 從空間上,要因地制策,對于安徽省疫情高發(fā)的皖北地區(qū),要加強該區(qū)域經(jīng)濟發(fā)展、提高醫(yī)療物資的配置,以應(yīng)對未來類似不可控的挑戰(zhàn)。同時,無論是城市或鄉(xiāng)村地區(qū),都要注重環(huán)境衛(wèi)生,定時進行消毒工作,營造一個健康舒適的生活、工作和學習的環(huán)境。

本文雖然取得了一些認識,但還存在局限性,需要做進一步完善:① 確診病例的研究數(shù)據(jù)僅來源于各市衛(wèi)健委官方通報的信息,內(nèi)容不夠詳盡,未來需借助更精細的多源時空大數(shù)據(jù),深入研究確診病例微觀尺度的活動軌跡以及聚集型病例的社會網(wǎng)絡(luò)關(guān)系;② 目前僅以安徽省為研究區(qū)域,未考慮空間相關(guān)性,之后將對安徽省周邊的長三角地區(qū)、山東省等地區(qū)進行空間對比分析,研究區(qū)域之間的差異性和關(guān)聯(lián)性;③ 因數(shù)據(jù)獲取的局限性,影響因素的選擇僅限于社會經(jīng)濟、人口、醫(yī)療衛(wèi)生水平等方面,尚未考慮居民防控意識、信息普及率、社會環(huán)境衛(wèi)生狀況等對安徽省確診病例空間分布的影響,需建立綜合防控機制。